基于典型样本的证据理论信度函数分配构造方法

提出了一种基于典型样本的信度函数分配构造方法,先以典型样本为参照数据,计算证据在各个目标模式下的信度密度值,然后对其进行归一化处理得到信度函数分配,其中典型样本是以目标模式的特征典型值为中心的置信区间。该方法物理意义明确,具有较好的工程实用价值。     

基于改进信度函数分配方法的煤种判别技术

针对电厂煤质不稳定的问题,提出基于D-S证据理论进行煤种判别的方法.提出一种根据以往的煤质分析数据建立可更新的典型样本库,然后根据典型样本库获得信度密度函数的方法.利用入炉煤元素分析结果和低位发热量作为证据,结合典型样本库计算出证据在各目标模式下的信度函数分配及不确定度,再利用D-S联合规则将数据进行融合,对目标煤种做...     

改进的冲突证据组合规则

针对信息融合中冲突证据的组合问题,提出一种新的利用均衡信度分配准则的冲突证据组合方案．首先分析原始Dempster组合规则及其改进组合规则的不足,然后利用均衡信度分配准则合成新的mass函数,最后数值实验表明新组合方法有效地解决了现有Dempster证据组合规则中存在的Zadeh悖论、一票否决、鲁棒性和公平性等不足．     

信度函数生成的新方法

随机变量概率分布参数的信度函数可采用信仰分布的方法生成,但目前的生成方法存在信仰分布不一致的现象,其主要原因是采用了不同的联合信任密度函数.根据分布参数信仰分布与样本观测值概率密度之间的关系,提出信度函数生成的基本思想和极大似然法、贝叶斯法,并将其应用于正态分布参数和分位值信度函数的建立.两种方法具有更好的理论基础,对分布参数的推断均源于同一联合信任密度函数,可明确考虑其他分布参数的信息,其中贝叶斯法的推断结果与经典统计学中区间估计法的相同,较极大似然法的结果更为有利,一般应以贝叶斯法作为信度函数生成的主要方法.     

基于交并集加权的证据组合方法及其应用

针对D-S证据组合规则在证据高度冲突时会导致错误结论这一问题,结合自动目标识别系统的实际需求,提出了一种新的证据组合规则.该方法首先将交集组合规则和并集组合规则进行适当加权,然后根据组合后的证据中各单元素命题的相对可信任度,将多元素命题的基本概率指派函数(mass函数)按比例分配给它的单元素子集,从而确保目标识别系统能够在单元素命题间进行决策.仿真结果表明,该方法能够有效地解决证据高度冲突情况下的目标识别问题.     

基于Dempster组合规则适用条件的冲突证据组合

针对D-S证据理论中Dempster组合规则出现的反直观结果问题,提出了一种新的基于Dempster组合规则适用条件的冲突证据组合方法。首先分析了Dempster组合规则出现悖论的原因及其适用条件;其次发现了基于数据模型修正的冲突证据组合方法不满足结合律的不足,最后依据适用条件对证据模型进行修正并利用Dempster组合规则进行融合,真正满足证据组合的结合律。实验分析表明,所提方法是合理有效的。     

基于证据排序融合的局部冲突信息再分配算法

为提高证据冲突度量和融合结果的准确性,提出一种基于证据排序融合的局部冲突信息再分配算法.该算法首先基于证据距离和冲突系数共同度量证据冲突,在此基础上对证据融合顺序进行优化,并对不同证据中不同焦元的冲突度量算法进行改进.进一步,在对证据进行依序融合过程中,将新的证据以及焦元冲突度量结果应用于对局部冲突信息进行再分配.与已有相关算法进行的理论和应用对比分析结果表明,所提算法的证据融合效果更加稳定、可靠.     

基于改进D-S证据组合规则的目标识别算法

为了更好地解决高冲突证据的融合问题,提出一种3条证据直接融合的改进D-S算法.该算法首先根据证据支持贴近度函数给出识别框架下各焦元支持度的计算方法;其次根据三维证据直接融合产生的冲突因子的性质及各焦元的支持度,提出一种基于D-S证据组合规则的冲突信息加权分配算法;最后以多传感器多目标识别系统为背景进行仿真实验.理论分析和仿真结果表明,基于三维证据直接融合的改进D-S算法具有较强的抗干扰性能,能有效融合各种冲突信息,提高目标识别概率.     

证据冲突的衡量方法研究

对于有冲突的证据,D-S证据理论无法使用或得出错误的结果,解决该问题的基础首先是研究证据冲突的衡量方法.分析了D-S证据理论在合成冲突证据时遇到的问题,定义了一些衡量证据间冲突程度的参数,包括证据一致度、证据冲突度、证据冲突强度、证据冲突/一致度等.通过实例证实了这些参数能够较好地说明证据间存在冲突的程度.     

基于证据理论的信任模型中冲突证据

基于证据理论的信任模型是常用的信任模型之一,且证据理论是一种具有良好理论基础的不确定性推理方法。为了解决证据收集以及冲突证据合成可能会产生不合理结果的问题,通过改进证据收集方法提高证据质量,同时结合证据距离、相似度、支持度和可信度,在证据合成过程中将冲突证据进行重新分配。实验结果表明：改进的证据合成机制提高了合成证据的合理性,使得信任计算结果更为可信。     

利用模糊证据理论的信息融合方法及其应用

提出了一种基于模糊集合和证据理论的信息融合方法.针对证据理论应用中基本概率指派函数(mass函数)以及多传感器信息融合中各个传感器测量数据的可信度均难以确定的问题,首先利用传感器测量信息的不确定性得到辨识框架的隶属度函数;然后利用隶属度函数构造证据理论的mass函数;再根据各mass函数之间的距离评估各传感器的相对可信度,在此基础上对各个证据进行折扣,利用基于折扣系数法的改进证据理论组合规则对多传感器信息进行融合.最后将所提出的方法应用于目标识别系统中.仿真结果表明,在证据高度冲突时,该方法仍能正确识别目标,提高了信息融合系统的稳定性.     

基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.     

信息融合中传感器可信度的动态确定及应用

基于经典冲突系数和证据距离函数给出的修正冲突系数,提出了确定传感器动态可信度的方法.将所提出的方法应用到目标识别系统中,算例表明:所提出的方法可以根据系统收集的传感器报告来确定各个传感器报告的可信度,在证据高度冲突情况下也能够正确识别目标.     

基于时间换算的动态证据组合规则

证据理论在解决多源信息融合问题、尤其是不确定性问题上有独到之处.但证据理论组合规则中对动态证据的权威性问题未进行详细地量化,使得动态证据组合过程中产生偏差甚至导致预测结果与人类思维相反.针对上述不足，提出基于时间换算的动态证据组合规则，即将时间换算函数与证据组合规则有机结合起来，可有效地解决动态证据组合过程中产生的偏差，在组合时考虑证据权威的时变性.为验证其有效性，将其用于丰满电厂主变压器故障预测，试验结果支持了该方法.     

基于DSmT的不同时域多传感器目标识别方法研究

摘要：复杂的战场环境变化带来传感器证据冲突．DSmT既能够处理多源信息的模糊性和不确定性,也能处理高度冲突性．利用DSmT中的经典DSm组合规则和混合DSm组合规则,解决了不同传感器在不同时域的目标识别问题．     

B样条函数的火箭弹图像边缘检测算法

本文研究一种基于B样条函数提取火箭弹图像边缘的检测算法.该算法的基本思想是利用B样条函数先对火箭弹图像进行拟合,然后求拟合曲面的二阶导数,根据二阶导数的零交叉点来检测图像的边缘.通过该算法与几种传统边缘检测算法的实验对比,证明了基于B样条函数的边缘检测算法可以较好地解决火箭弹图像边缘的提取精度与图像噪声的抑制能力之间的矛盾,较目前常用的算法在火箭弹图像边缘检测方面有更大的优势,该算法得到的目标图像边缘清晰、分割效果好,同时该算法简洁、易于实时处理,在火箭弹图像边缘检测方面有较好的应用前景.     

基于冲突消解的群体智能机器人协作研究

提出了在动态环境中，基于冲突消解的群体智能机器人的一种协作模型，适用于环境信息不完备的复杂情况．将Agent的独立强化学习与BDI模型结合起来，使多Agent系统不但拥有强化学习的高度反应性和自适应性，而且拥有BDI的推理能力，使只使用数值分析而忽略推理环节的强化学习结合了逻辑推理方法．新的奖励函数和表示方法减少了学习空间、增加了学习速度．仿真结果表明所提方法有效．